Σύμφωνα με πρόσφατη μελέτη, η ευθύνη για την αξιοποίηση της τεχνητής νοημοσύνης (ΤΝ) συνήθως ανατίθεται σε στελέχη όπως οι Chief Data and Analytics Officers ή οι Chief AI Officers. Ωστόσο, όταν οι Οικονομικοί Διευθυντές (CFOs) αναλαμβάνουν την εποπτεία των έργων ΤΝ και είναι υπεύθυνοι για την αξιολόγηση των αποτελεσμάτων, οι εταιρείες επιτυγχάνουν σημαντικά μεγαλύτερη αξία.
Η έρευνα «Economic Maturity for Artificial Intelligence», που διεξήχθη από τον Laks Srinivasan, συνιδρυτή και CEO του Return on AI Institute, και τον Thomas H. Davenport, καθηγητή στο Babson College και συνεργάτη του MIT, βασίζεται σε δημοσκοπήσεις 1.006 στελεχών C-suite από 11 χώρες και 32 κλάδους. Τα αποτελέσματα δείχνουν ότι μόνο το 2% των ερωτηθέντων ανέφερε ότι οι CFOs είναι υπεύθυνοι για την επίτευξη αξίας από την ΤΝ. Παρόλα αυτά, όταν οι CFOs έχουν αυτήν την ευθύνη, το 76% των εταιρειών σημειώνει μεγάλη πρόοδο, ποσοστό σημαντικά υψηλότερο από ό,τι για άλλους ρόλους.
Η συμβολή των CFOs δεν έγκειται απαραίτητα σε βαθύτερη γνώση της ΤΝ, αλλά στην ικανότητά τους να αναπτύσσουν μεθοδολογίες και να τις κλιμακώνουν σε ολόκληρο τον οργανισμό. Η εμπλοκή του οικονομικού τμήματος προσδίδει θεσμική αξιοπιστία στους αριθμούς. Στην DBS Bank της Σιγκαπούρης, για παράδειγμα, οι unit CFOs είναι αρμόδιοι για την επαλήθευση των αριθμών αξίας από την ΤΝ πριν από την οριστική τους καταγραφή, με την τράπεζα να αναφέρει τη δημιουργία περίπου 1 δισεκατομμυρίου δολαρίων Σιγκαπούρης σε οικονομική αξία από πρωτοβουλίες ανάλυσης δεδομένων και ΤΝ.
Η μελέτη επισημαίνει επίσης ότι η παραγωγική ΤΝ (generative AI) είναι ο πιο δύσκολος τύπος ΤΝ για την τεκμηρίωση αξίας, με το 44% των ερωτηθέντων να την αναφέρουν, πιθανώς λόγω δυσκολιών στη μέτρηση της παραγωγικότητας σε περιπτώσεις ευρείας αλλά επιφανειακής χρήσης. Η Agentic AI ακολουθεί με 24% και η αναλυτική ΤΝ με 16%, ενώ η rule-based AI είναι η λιγότερο δύσκολη.
Οι συστάσεις περιλαμβάνουν την ουσιαστική εμπλοκή του οικονομικού τμήματος, την ενοποίηση διαφορετικών μετρήσεων και την ευρεία εκπαίδευση του προσωπικού στην ΤΝ. Παρά το γεγονός ότι 58% των οργανισμών δεν έχουν εκπαιδεύσει τους εργαζομένους τους στη βασική χρήση της ΤΝ, η εκπαίδευση οδηγεί σε σημαντική αύξηση της αξίας.
Όσον αφορά τον αντίκτυπο στο εργατικό δυναμικό, λιγότερο από το 2% των εταιρειών έχουν προχωρήσει σε μεγάλες περικοπές θέσεων εργασίας λόγω ΤΝ, αν και σχεδόν το 90% έχει μειώσει ή παγώσει τις προσλήψεις. Η υλοποίηση της ΤΝ απαιτεί σημαντικές οργανωτικές αλλαγές, με την πρόταση να επικεντρώνεται σε «narrow and deep AI» – την επαναξιολόγηση συγκεκριμένων διαδικασιών για την εποχή της ΤΝ.
